从轮次让渡到同步对话：LLM 时代全双工口语语言模型综述
计算与语言
2025-09-19 v1 声音
音频与语音处理
摘要
True Full-Duplex (TFD) 语音通信——实现自然轮次让渡、重叠语音和中断的同时听说——是通向类人 AI 交互的关键里程碑。本综述全面回顾了 LLM 时代的全双工口语语言模型 (FD-SLMs)。我们建立了区分工程化同步 (模块化体系结构) 与学习型同步 (端到端体系结构) 的分类框架，并将零散的评估方法统一为包含时序动力学、行为仲裁、语义连贯性和声学性能四个维度的评估框架。通过对主流 FD-SLMs 的比较分析，我们识别出根本性挑战：同步数据稀缺、体系结构分化和评估缺口，为推进人机沟通提供了路线图。
引用
@article{arxiv.2509.14515,
title = {From Turn-Taking to Synchronous Dialogue: A Survey of Full-Duplex Spoken Language Models},
author = {Yuxuan Chen and Haoyuan Yu},
journal= {arXiv preprint arXiv:2509.14515},
year = {2025}
}